넥슬라의 사케트 사우라브, CEO 및 공동 창립자 – 인터뷰 시리즈

사케트 사우라브, 넥슬라의 CEO 및 공동 창립자는 데이터와 인프라에 대한 깊은 열정을 가진 기업가입니다. 그는 데이터와 함께 일하는 사람들에게 규모와 속도를 제공하기 위해 설계된 차세대 자동화된 데이터 엔지니어링 플랫폼의 개발을 주도하고 있습니다.

이전에는 사우라브는 성공적인 모바일 스타트업을 설립하여 매각, 상장, 그리고 수백만 달러의 비즈니스로 성장하는 등 주요 이정표를 달성했습니다. 또한 그는 엔비디아에서 근무하는 동안 여러 혁신적인 제품과 기술에 기여했습니다.

넥슬라는 데이터 엔지니어링의 자동화를 통해 데이터를 사용할 수 있도록 합니다. 이를 통해 데이터를 쉽게 통합, 변환, 전달, 모니터링할 수 있는 유니크한 접근 방식을 제공합니다.

넥슬라를 공동 설립하게 된 영감은 무엇이었으며, 데이터 엔지니어링에서 얻은 경험은 회사에 대한 비전을 어떻게 형성했나요?

넥슬라를 설립하기 전에, 나는 엔비디아에서 컴퓨팅 분야의 고성능 기술을 개발하는 데이터 엔지니어링 여정을 시작했습니다. 이후에 나는 이전 스타트업을 매각하고 상장시키는 과정에서 모바일 광고 분야에서 대규모 데이터와 기계 학습을 처리하는 경험을 했습니다.

2015년 이전 회사에서 상장을 마친 후, 나는 새로운 도전을 찾고 있었습니다. 두 가지 배경에서 데이터와 컴퓨팅의 도전이 수렴하고 산업이 데이터와 AI를 기반으로 하는 더 고급 애플리케이션으로 이동하고 있음을 알게 되었습니다.

당시에는 제네레이티브 AI(Generative AI)가 얼마나 빠르게 발전할지 몰랐지만, 기계 학습과 AI가 데이터를 활용하기 위한 기반으로 사용될 것임은 명백했습니다. 따라서 나는 데이터를 처리하기 위한 인프라가 어떤 것이 필요한지, 그리고 어떻게 하면 데이터를 쉽게 사용할 수 있도록 할 수 있는지에 대해 생각하게 되었습니다.

이것이 넥슬라의 비전을 형성하게 된 계기였습니다. 데이터 엔지니어링을 단순화하고 자동화하여 데이터를 더 쉽게 접근할 수 있도록 하는 것이었습니다. 데이터 엔지니어링은 대부분의 회사에서 고유한 솔루션으로 처리되었기 때문에, 데이터를 더广泛하게 사용할 수 있도록 하는 것이 목표였습니다.

넥셋(Nexsets)은 어떻게 넥슬라의 모든 사람이 데이터를 사용할 수 있도록 하는 미션을體現하며, 왜 이것은 현대 기업에 중요할까요?

넥셋은 데이터의 핵심 도전을 해결함으로써 넥슬라의 모든 사람이 데이터를 사용할 수 있도록 하는 미션을體現합니다. 데이터의 3V(볼륨, 속도, 다양성)는 지속적인 문제였습니다. 산업은 볼륨과 속도에 대한 도전을 해결하기 위해 일부 진전을 이루었습니다. 그러나 데이터의 다양성은 여전히 큰 장애물로 남아 있습니다.

넥슬라의 접근 방식은 다양한 소스에서 데이터를 자동으로 모델링하고 연결하여 일관된 패키지된 엔티티, 즉 넥셋을 생성하는 것입니다. 이것은 사용자가 데이터의 기본적인 복잡성을 이해할 필요 없이 데이터에 접근하고 작업할 수 있도록 합니다.

이것은 현대 기업에 중요합니다. 왜냐하면 데이터를 더 많은 사람, 즉 데이터 엔지니어가 아닌 비즈니스 사용자, 분석가, 기타 사용자가 직접 사용할 수 있도록 하기 때문입니다. 데이터의 다양성과 복잡성을 추상화함으로써 넥셋은 데이터에 대한 접근을 민주화하고, 더 많은 사용자가 정보 자산에서 가치를 추출할 수 있도록 합니다.

또한 우리는 데이터를 쉽게 사용할 수 있도록 하는데 중점을 두었습니다. 사용자 인터페이스, 데이터를 협력하고 관리하는 방법, 데이터를 변환하고 워크플로우를 구축하는 방법 등입니다. 데이터의 다양성과 복잡성을 추상화하는 것이 데이터 민주화를 가능하게 하는 핵심입니다.

데이터가 제네레이티브 AI(Generative AI) 준비가 된다는 것은 무엇을 의미하며, 넥슬라는 이러한 요구 사항을 어떻게 효과적으로 해결합니까?

제네레이티브 AI를 사용하는 방식에 따라 다르지만, 대부분의 회사에서는 제네레이티브 AI 검색 보강 생성(Retrieval Augmented Generation, RAG)을 구현합니다. 이것은 데이터를 준비하여 벡터 데이터베이스에 로드하고, 검색을 통해 컨텍스트를 추가하여 대규모 언어 모델(Large Language Model, LLM)에 입력하는 것을 포함합니다.

제네레이티브 AI를 사용하는 경우, 몇 가지 주요 요구 사항이 있습니다:

• 데이터 형식: 제네레이티브 AI 모델은 특정 형식의 데이터에서 잘 작동합니다. 데이터는 모델이 쉽게 처리할 수 있도록 구조화되어야 합니다.
• 연결성: 제네레이티브 AI 모델은 동적으로 관련 데이터 소스를 액세스할 수 있어야 합니다. 이것은 기업 시스템과 데이터 저장소에 지속적인 연결을 필요로 합니다.
• 보안 및 거버넌스: 민감한 기업 데이터를 사용하는 경우, 강력한 보안 및 거버넌스 제어가 중요합니다. 데이터 액세스 및 사용은 기존 조직 정책과 호환되어야 합니다.
• 확장성: 제네레이티브 AI 모델은 데이터 및 컴퓨팅 집약적일 수 있으므로, 기본 데이터 인프라는 이러한 모델의 요구를 충족할 수 있도록 확장되어야 합니다.

넥슬라는 이러한 제네레이티브 AI 준비 요구 사항을 몇 가지 주요 방식으로 해결합니다:

• 동적 데이터 액세스: 넥슬라의 데이터 통합 플랫폼은 100개 이상의 소스에 연결하고 다양한 통합 스타일 및 데이터 속도를 제공합니다. 제네레이티브 AI 모델이 필요한 최신 데이터를 제공합니다.
• 데이터 준비: 넥슬라는 제네레이티브 AI 사용 사례를 최적화된 형식으로 데이터를 추출, 변환, 준비할 수 있는 기능을 제공합니다.
• 셀프 서비스 및 협업: 넥슬라를 사용하면 데이터 소비자가 데이터에 직접 액세스하고 넥셋 및 워크플로우를 구축할 수 있습니다. 또한 협업을 통해 데이터를 공유하고 생산성을 향상시킬 수 있습니다.
• 자동 생성: 넥슬라는 사용자의 선택에 따라 필요한 단계를 자동으로 생성합니다. 이는 사용자가 작업을 직접 수행할 수 있도록 합니다.
• 거버넌스 및 보안: 넥슬라는 강력한 보안 및 거버넌스 제어를 제공하여 민감한 기업 데이터가 안전하게 액세스되고 사용됩니다.
• 확장성: 넥슬라 플랫폼은 제네레이티브 AI 워크로드의 요구를 충족하기 위해 설계되었습니다. 필요한 컴퓨팅 파워와 탄력적인 확장성을 제공합니다.

데이터 민주화를 가능하게 하려면 통합, 셀프 서비스, 협업, 자동 생성, 데이터 거버넌스가 함께 구축되어야 합니다.

다양한 데이터 유형과 소스는 제네레이티브 AI 모델의 성공에 어떻게 기여합니까? 또한 넥슬라는 통합 과정을 어떻게 단순화합니까?

제네레이티브 AI 모델은 다양한 정보에 액세스하여 최상의 통찰력을 제공하고 관련된 출력을 생성해야 합니다. 이러한 정보를 제공하지 않으면 좋은 결과를 기대할 수 없습니다.

제네레이티브 AI 모델은 구조화된 데이터베이스에서 비구조화된 문서에 이르기까지 다양한 데이터에 노출되어야 합니다. 이는 모델이 세계에 대한 포괄적인 이해를 구축할 수 있도록 합니다. 다양한 데이터 소스는 뉴스 기사, 재무 보고서, 고객 상호 작용 등 유용한 컨텍스트 정보를 제공합니다.

넥슬라는 넥셋을 통해 이러한 데이터의 다양성을 추상화하고, 거의 모든 소스에 액세스하여 데이터를 추출, 변환, 오케스트레이션, 로드할 수 있도록 합니다. 따라서 데이터 소비자는 데이터에만 집중할 수 있습니다.

2025년 이후 데이터 에코시스템을 형성하는 추세는 무엇이며, 특히 제네레이티브 AI의 부상과 함께 어떻게 될까요?

회사들은 주로 제네레이티브 AI를 사용하여 조력자나 공동 조종사를 구축하여 사람들을 도와 결정을 내리도록 지원하는 데 중점을 두었습니다. 에이전트 AI, 즉 사람의 개입 없이 작업을 자동화하는 에이전트는 2025년에 성장하는 추세입니다. 에이전트는 제네레이티브 AI와 마찬가지로 데이터 통합을 통해 데이터가 원활하게 흐를 수 있도록 합니다.

2025年的 또 다른 주요 추세는 AI 시스템의 복잡성이 증가하는 것입니다. 이러한 시스템은 다양한 소스의 구성 요소를 결합하여 일관된 솔루션을 생성하여 더 복잡해지고 있습니다. 이는 인간이 하루 종일 작업을 수행하기 위해 다양한 도구를 사용하는 것과 유사합니다. 에이전트는 이러한 도구와 구성 요소를 오케스트레이션하여 작업을 수행합니다.

추세의 관점에서, 우리는 제네레이티브 AI가 단순한 패턴 매칭을 넘어 실제 推論으로 발전하고 있습니다. 이 분야에서 기술적인 진보가正在 진행 중입니다. 이러한 발전은 2025년에 완전히 상업적 가치로 변환되지 않을 수 있지만, 우리는 그 방향으로 나아가고 있습니다.

또한 가속화된 기술의 적용이 AI 추론, 특히 엔비디아와 같은 회사에서 중요해지고 있습니다. 전통적으로 GPU는 AI 모델을 훈련하는 데 주로 사용되었습니다. 그러나 런타임 추론, 즉 모델이 실제로 사용되는 시점은 점점 더 중요해지고 있습니다.

또한 사용 가능한 훈련 데이터가 대부분 최대화되었음이 깨닫고 있습니다. 따라서 모델의 추가적인 개선은 훈련 중에 더 많은 데이터를 추가하는 것에서 오지 않고, 모델이 작동하는 방식에서 비롯됩니다. 런타임에서 새로운 정보를 사용하여 모델의 결과를 향상시키는 것이 중요해지고 있습니다.

일부興奮하는 기술이 한계에 도달하기 시작하면서, 새로운 접근 방식이 계속해서 등장할 것입니다. 이는 AI를 채택하는 조직이 적응성과 변화에 대한 준비가 중요하다는 것을 강조합니다. 오늘날 잘 작동하는 것들이 6개월 또는 1년 내에 구식이 될 수 있습니다. 따라서 변화를 따라가고 새로운 기술을 채택할 준비가 되어 있어야 합니다.

조직은 데이터 실로를 분해하고 시스템 전반에 걸친 데이터 흐름을 개선하기 위해 어떤 전략을 채택할 수 있습니까?

첫째, 데이터 실로가 항상 존재할 것이라는 것을 인정해야 합니다. 이는 항상如此했습니다. 많은 조직은 모든 데이터를 한 곳에 중앙화하여 이상적인 설정을 만들고 상당한 가치를 해방시키려 하지만, 이는 거의 불가능한 작업입니다. 특히 대규모 기업의 경우, 이는 장기간의 비용이 많이 드는 작업이 될 수 있습니다.

따라서 데이터 실로가 존재하는 것을 받아들이면, 질문은 어떻게 하면 데이터 실로를 더 효율적으로 작업할 수 있는가가 됩니다.

큰 회사에 대한 유용한 비유는 있습니다. 주요 회사에서는 모든 사람이 글로벌로 함께 일하는 단일 사무실에서 운영하지 않습니다. 대신에 본사와 여러 사무실로 나뉩니다. 목표는 이러한 분할을 저항하는 것이 아니라, 이러한 사무실이 효율적으로 협력할 수 있도록 하는 것입니다. 이를 위해 생산성 도구를 투자합니다. 예를 들어, 줌이나 슬랙과 같은 도구를 사용하여 사람들을 연결하고 워크플로우를 원활하게 합니다.

데이터 실로도 마찬가지입니다. 조직 내에 분산된 시스템으로 존재할 것입니다. 핵심은 이러한 실로를 제거하는 것이 아니라,它们가 원활하게 협력할 수 있도록 하는 것입니다. 이를 위해 연결을 촉진하는 기술에 집중할 수 있습니다.

예를 들어, 넥셋과 같은 기술은 다양한 데이터 소스에 대한 공통 인터페이스 또는 추상화 계층을 제공합니다. 이는 데이터 실로 간의 상호 운용성을 단순화하여 효율성을 개선하고 실로의 부정적인 영향을 최소화합니다.

본질적으로 전략은 실로 간의 협력을 강화하는 것입니다. 많은 기업은 모든 것을 하나의 거대한 데이터 레이크에 통합하려고 하지만, 이는 거의 승리할 수 없는 전투입니다.

현대 데이터 플랫폼은 속도 및 확장성과 같은 도전을 어떻게 처리합니까? 또한 넥슬라는 이러한 문제를 해결하는 데 어떻게 다른가요?

많은 도구는 사용하기 쉽고 개발 속도가 빠르기 위해 설계되었습니다. 이는 마케팅 분석가가 마케팅 플랫폼에서 데이터를 trực tiếp 시각화 도구로 이동할 수 있도록 허용했습니다. 그러나 이러한 도구의 진화는 특정 문제를 해결하는 점 해결 도구의 개발을 포함했습니다.

확장성에 대해 이야기할 때, 사람들은 데이터의 양을 처리하는 능력에 대해 생각합니다. 그러나 확장성의真正한 도전은 두 가지 주요 요인에서 비롯됩니다. 첫째, 데이터를 작업해야 하는 사람들의 수가 증가하고 있습니다. 둘째, 조직이 관리해야 하는 시스템과 데이터 유형의 다양성이 증가하고 있습니다.

현대 도구는 이러한 도전의 작은 부분만을 해결합니다. 따라서 조직은 여러 도구를 사용하여 각 도구가 하나의 문제만을 해결합니다. 이는 도구 과부하와 비효율성을 초래합니다.

넥슬라는 사용하기 쉬운 기능과 유연성을 균형 있게 제공합니다. 사용자에게는 템플릿과 사용자 친화적인 인터페이스를 제공합니다. 개발자에게는 플랫폼을 강화할 수 있는 개발자 친화적인 기능을 제공합니다. 개발자는 시스템에 새로운 기능을 추가할 수 있지만, 이러한 기능은 비기술적인 사용자에게는 단순한 버튼과 클릭으로 제공됩니다.

넥슬라가 다른 점은 사용하기 쉽고 확장성 및 기업급 기능을 제공하는 것입니다. 플랫폼은 이러한 두 세계를無缝하게 연결하여 팀이 효율적으로 작업할 수 있도록 합니다.

넥슬라의 주요 강점 중 하나는 추상화된 아키텍처입니다. 예를 들어, 사용자는 데이터 파이프라인을 시각적으로 설계할 수 있지만, 파이프라인이 실행되는 방식은高度적으로 적응성이 있습니다. 사용자의 요구 사항에 따라 파이프라인을 6가지 다른 엔진 중 하나에 매핑하여 최적의 성능을 제공합니다.

플랫폼은 또한 느슨하게 결합되어 있습니다. 즉, 소스 시스템과 목적지 시스템이 분리되어 있습니다. 이는 사용자가 기존 소스에 더 많은 목적지를 추가하거나, 기존 목적지에 더 많은 소스를 추가하거나, 시스템 간의 양방향 통합을 가능하게 합니다.

또한 넥슬라는 파이프라인의 설계를 추상화하여 사용자가 배치 데이터, 스트리밍 데이터, 실시간 데이터를 작업할 수 있도록 합니다. 플랫폼은 자동으로 이러한 요구 사항에 적응하여 사용자가 데이터의 형식이나 속도에 관계없이 작업할 수 있도록 합니다.

이 모든 것은 넥슬라가 데이터 소비자의需求을 중심으로 설계되었다는 것을 보여줍니다. 많은 전통적인 도구는 데이터를 생성하거나 시스템을 관리하는 사람들을 위해 설계되었습니다. 그러나 우리는 데이터 소비자가 데이터에 일관된 인터페이스를 제공받을 수 있도록 설계했습니다.

넥슬라의 고객에게 노코드 및 로코드 기능이 데이터 엔지니어링을 어떻게 변형시켰는지 예를 들어 설명해 주시겠습니까?

노코드 및 로코드 기능은 데이터 엔지니어링을真正한 협업 경험으로変換했습니다. 예를 들어, 도어대시의 계정 운영 팀은 데이터를 관리하는 데 필요한 요구 사항을 엔지니어링 팀에 제공해야 했습니다. 엔지니어링 팀은 솔루션을 구축하여 반복적인 프로세스를 수행했습니다.

현재 노코드 및 로코드 도구를 사용하면, 이 동적은 변했습니다. 계정 운영 팀은 로코드 인터페이스를 사용하여 작업을 직접 수행할 수 있습니다. 엔지니어링 팀은 로코드 플랫폼을 통해 새로운 기능과 능력을 빠르게 추가할 수 있습니다. 계정 운영 팀은 이러한 기능을 지연 없이 사용할 수 있습니다.

이로 인해 프로세스가 협업으로変換되어 시간을 크게 절약할 수 있게 되었습니다. 고객은 이전에 2~3개월이 걸렸던 작업이 이제 2주 이내에 완료될 수 있다고 보고했습니다. 이는 5~10배의 속도 향상을 의미합니다.

데이터 엔지니어링의 역할은 어떻게 진화하고 있으며, 특히 AI의 채택이 증가함에 따라 어떻게 될까요?

데이터 엔지니어링은 자동화와 제네레이티브 AI와 같은 발전으로 빠르게 진화하고 있습니다. 많은 분야에서 코드 생성과 커넥터 생성이 더 빠르고 효율적으로 되었습니다. 그러나 이러한 발전은 새로운 도전도 가져옵니다. 예를 들어, 기업 데이터의 잠재적인 남용, 보안 문제, 강력한 거버넌스 필요성 등이 있습니다.

데이터 엔지니어링 팀의 역할은 더广泛한 시스템 문제에 집중하는 것으로 변하고 있습니다. 데이터 엔지니어는 더 이상 단순히 데이터를 처리하는 것이 아니라, 오류를 방지하고 데이터 무결성을 보장하며 AI 생성 출력이 비즈니스 결정에 어떻게 사용되는지 모니터링하는 등 다양한 구성 요소와 프로세스를 관리하는 역할을 합니다.

이러한 시스템의 오류와 실수는 비용이 많이 들 수 있습니다. 예를 들어, AI 시스템은 오래된 정책 정보를 가져와 잘못된 응답을 생성할 수 있습니다. 이러한 문제를 잡고 해결하기 위해 엄격한 감독과 잘 정의된 프로세스가 필요합니다.

또한 데이터 엔지니어링 팀의 주요 책임은 사용자 dânOGRAPHIC의 변화를 적응하는 것입니다. AI 도구는 더 이상 분석가나 기술 사용자만이 사용하는 것이 아닙니다. 이제는 고객 지원 에이전트와 같은 조직의 가장자리에 있는 개인이 사용합니다. 이러한 사용자는 데이터의 정확성과 신뢰성을 보장하기 위해 전문 지식이 없을 수 있습니다.

데이터 엔지니어링 분야가 계속 발전함에 따라 넥슬라에서 새로운 기능이나 발전이 무엇일까요?

우리는 데이터 엔지니어링이 발전함에 따라 새로운 도전과 기회를 해결하기 위해 여러 발전을 중점적으로 다루고 있습니다. 하나는 데이터 다양성을 해결하기 위한 AI 기반 솔루션입니다. 데이터 엔지니어링의 주요 도전 중 하나는 다양한 소스에서 데이터를 관리하는 것입니다. 따라서 우리는 이 프로세스를 간소화하기 위해 AI를 활용하고 있습니다.

예를 들어, 수백개의 다른 상인으로부터 데이터를 받을 때, 시스템은 자동으로 표준 구조로 매핑할 수 있습니다. 현재 이 프로세스는 상당한 수동 입력을 필요로 하지만, 넥슬라의 AI 기반 기능은 수동 노력을 최소화하고 효율성을 향상시키는 것을 목표로 합니다.

또한 우리는 다음 세대의 데이터 워크플로우를 지원하기 위해 커넥터 기술을 발전시키고 있습니다. 이는 새로운 시스템에 연결하고 특정 작업을 수행할 수 있는 에이전트를 생성하기 위한 것입니다. 특히 제네레이티브 AI 사용자의 요구와 다양한 플랫폼과의 통합을 쉽게하기 위한 것입니다.

마지막으로, 우리는 시스템 모니터링과 품질 보증을 개선하기 위해 발전하고 있습니다. 데이터를 사용하는 사용자가 증가함에 따라 데이터 품질을 보장하는 것이 중요해졌습니다. 우리는 시스템 모니터링과 품질 보증을 위한 강력한 도구를 제공하여 데이터가 확장할 때도 신뢰할 수 있고 작동할 수 있도록 합니다.

마지막으로, 넥슬라는 핵심 기능을 오픈 소스로 공개하는 단계에 있습니다. 우리의 기술을 더广泛한 커뮤니티와 공유함으로써, 우리는 더 많은 사람들이 고급 데이터 엔지니어링 도구와 솔루션을 활용할 수 있도록 할 수 있을 것입니다. 이는 혁신과 협력을 분야 내에서 촉진하는 우리의 헌신을 반영합니다.

감사합니다. 더 많은 정보를 원하는 독자는 넥슬라를 방문하십시오.